Can’t Touch This: Real-Time, Safe Motion Planning and Control for Manipulators Under Uncertainty

要約

任意の環境で安全なリアルタイムの動作計画を確保するには、ロボットマニピュレータが衝突を回避し、関節の制限に従い、物体とロボット自体の質量と慣性の不確実性を考慮する必要があります。
この論文では、これらの課題に対処するロボット マニピュレータ用の、安全性が証明された後退地平線軌道プランナーおよび追跡コントローラー フレームワークである、Autonomous Robust Manipulation via Optimization with Uncertainty-aware Reachability (ARMOUR) を提案します。
ARMOR はまず、不確実なダイナミクスにもかかわらず、誤差を制限して目的の軌道を追跡する堅牢なコントローラーを構築します。
次に、ARMOR は、新しい再帰的ニュートン オイラー法を使用して、目的の軌道の連続体内の任意の軌道を追跡するために必要なすべての入力を計算します。
最後に、ARMOR はマニピュレータのスイープ ボリュームを過大近似します。
これにより、リアルタイムで解決できる最適化問題を定式化し、安全であると証明された動きを合成することができます。
この論文では、シミュレーションにおける一連の困難な操作例について ARMOR を最先端の手法と比較し、モデルの不確実性が存在する場合でもパフォーマンスを犠牲にすることなく実際のハードウェアで安全性を確保できる機能を実証します。
プロジェクトページ: https://roahmlab.github.io/armour/。

要約(オリジナル)

Ensuring safe, real-time motion planning in arbitrary environments requires a robotic manipulator to avoid collisions, obey joint limits, and account for uncertainties in the mass and inertia of objects and the robot itself. This paper proposes Autonomous Robust Manipulation via Optimization with Uncertainty-aware Reachability (ARMOUR), a provably-safe, receding-horizon trajectory planner and tracking controller framework for robotic manipulators to address these challenges. ARMOUR first constructs a robust controller that tracks desired trajectories with bounded error despite uncertain dynamics. ARMOUR then uses a novel recursive Newton-Euler method to compute all inputs required to track any trajectory within a continuum of desired trajectories. Finally, ARMOUR over-approximates the swept volume of the manipulator; this enables one to formulate an optimization problem that can be solved in real-time to synthesize provably-safe motions. This paper compares ARMOUR to state of the art methods on a set of challenging manipulation examples in simulation and demonstrates its ability to ensure safety on real hardware in the presence of model uncertainty without sacrificing performance. Project page: https://roahmlab.github.io/armour/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google